di Alessandro Corbetti, Head of Presales @DILS srl

Tutti parlano di AI che scrive schede prodotto. Nessuno parla di cosa succede quando i dati in input sono incompleti.

Ho assistito a decine di valutazioni di piattaforma nell’ultimo anno, e il copione si ripete quasi sempre uguale: l’AI generativa entra nella conversazione come un dato già acquisito. “Vogliamo generare descrizioni automaticamente.” “Ci serve la traduzione in dieci lingue.” “Personalizzazione per canale, senza aumentare il team.”

Sono obiettivi legittimi, tutti. Ma c’è un passaggio che manca quasi sempre nella conversazione: nessuno si chiede da dove arrivi il dato che l’AI andrà poi a elaborare.

Il principio che vale sempre, anche con l’AI

I modelli di linguaggio non si bloccano di fronte a dati poveri: li usano comunque, e quando un’informazione manca, la inseriscono lo stesso. In un chatbot generico questo può essere accettabile, a volte anche utile. In una scheda prodotto pubblicata su un ecommerce, però, un attributo inventato dall’AI non è una semplificazione: è un’informazione falsa che arriva direttamente al cliente finale.

L’ho visto succedere più volte di quante vorrei. Composizioni di tessuto che non esistono. Specifiche tecniche plausibili, ma sbagliate. Claim di sostenibilità impossibili da verificare, pubblicati con la stessa sicurezza con cui si presenterebbe un dato certificato.

Il problema, in realtà, non è mai l’AI in sé. È cosa le viene dato in pasto.

Cosa serve davvero perché l’AI funzioni sul catalogo

Un PIM ben strutturato è la precondizione di qualsiasi pipeline AI affidabile sul dato prodotto, non perché sia un requisito burocratico da spuntare prima di partire, ma perché senza attributi definiti, completi e governati l’AI non ha semplicemente fondamenta su cui lavorare.

La differenza tra un progetto AI sul catalogo che funziona e uno che delude si gioca quasi sempre qui, prima ancora che entrino in gioco la scelta del modello, l’interfaccia o il budget allocato: si gioca sul dato a monte, prima che l’AI entri in scena.

È per questo che in DILS abbiamo progettato Figurino partendo esattamente da questa esigenza: costruire le fondamenta su cui l’intelligenza artificiale può poi lavorare con affidabilità. Un PIM che struttura, governa e arricchisce il dato prodotto, così che l’AI a valle trovi sempre qualcosa di solido su cui lavorare, e non un foglio Excel pieno di eccezioni e campi vuoti.

Tre situazioni che vediamo spesso

Dati ricchi e governati: L’AI produce descrizioni accurate e coerenti, pronte per la revisione, e il team digital guadagna tempo reale, non solo sulla carta.

Dati parziali: L’output ha una qualità variabile e imprevedibile: dove il dato manca, l’AI genera contenuti per riempire il vuoto, e il team finisce a correggere più di quanto produca, trasformando il risparmio promesso in un costo nascosto.

Dati caotici: Nessun modello AI può risolvere un problema di data governance: l’AI è in grado di arricchire una struttura esistente, ma non può crearne una dal nulla.

“Con l’AI il PIM non diventa obsoleto?”

È la domanda che sentiamo più spesso quando parliamo di questi temi con i nostri clienti, e la risposta è no, per ragioni che sono strutturali e non semplicemente di principio.

I modelli AI sono straordinariamente bravi a trasformare informazioni esistenti in nuove forme — un tono diverso, una lingua diversa, un formato diverso — ma sono molto meno bravi, e per certi aspetti non lo saranno mai, a validare la correttezza tecnica di un attributo, a governare chi ha l’autorità di modificarlo o a garantire la coerenza tra migliaia di prodotti nel tempo e nei mercati. Queste funzioni restano, e continueranno a restare, nel dominio del PIM.

Vale anzi il contrario di quello che si tende a pensare: con le architetture AI più avanzate, come un’architettura RAG o agentica che agisce su più sistemi, il PIM diventa la knowledge base strutturata a cui questi modelli si agganciano per funzionare correttamente. L’AI generativa non è l’alternativa al dato strutturato: è la ragione per cui oggi vale più che mai investirci.

Con Figurino, PIM e DAM diventano la spina dorsale su cui costruire qualsiasi iniziativa AI sul catalogo, oggi e nei prossimi anni: non l’ennesimo strumento da integrare, ma la piattaforma da cui tutto il resto parte.

La domanda da farsi prima di scegliere il prossimo strumento AI non è quanto sia potente il modello, ma se il dato che gli viene dato in pasto sia davvero pronto a sostenerlo.

Se non sei sicuro della risposta, parliamone: vediamo insieme da dove parte il tuo catalogo oggi.


—————————————————————————————–

Alessandro Corbetti  è Head of Presales in DILS, dove lavora a contatto con i brand del fashion e del luxury per disegnare architetture di prodotto e dato scalabili.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *